OpenCL

精选阅读

分享：如何开始开发自动驾驶

作者：Intel

从道路安全到愉快的通勤，自动驾驶将彻底改变人们的生活和社会。

分享：显示技术开发与优化入门

作者：Intel

数字显示屏和标牌随处可见。您可能在购物中心和诊所看到它们。从视频墙、AR试衣镜，到点餐菜单，数字标牌无处不在，并正逐渐成为日常购物体验的一部分。

使用 Intel® 处理器图形加速深度学习推理

作者：Intel

本文介绍了英特尔近期推出的软件工具，用于加速边缘设备（如智能摄像头、机器人、自动驾驶汽车等）上的深度学习推理，该工具集成了英特尔®处理器图形解决方案，涵盖了英特尔SOC的整个频谱。

Adobe Photoshop 增强版（基于开放标准，强化技术包括 Intel® HD 和 Iris™ 图形）

作者：Tim_Duncan

在本文中，我们将探讨 Adobe 工程师近年来为增强 Photoshop 而取得的进展，利用 OpenGL* 和 OpenCL™ 来提高硬件利用率。

所有文章

顶部

OpenCL

分享：如何开始开发自动驾驶

作者：Intel

从道路安全到愉快的通勤，自动驾驶将彻底改变人们的生活和社会。

分享：显示技术开发与优化入门

作者：Intel

使用 Intel® 处理器图形加速深度学习推理

作者：Intel

Adobe Photoshop 增强版（基于开放标准，强化技术包括 Intel® HD 和 Iris™ 图形）

作者：Tim_Duncan

在本文中，我们将探讨 Adobe 工程师近年来为增强 Photoshop 而取得的进展，利用 OpenGL* 和 OpenCL™ 来提高硬件利用率。

推动 OpenCL™ 在 FPGA 上的发展

作者：Intel

使用 Intel® FPGA SDK for OpenCL™ 技术提升性能

使用 OpenTK 在 C# 中设计的模拟时钟

作者：kdgupta87

使用 C# 和 WinForms 中的 OpenTK 设计的 2D 模拟时钟。

ArrayFire 与 oneAPI、库和 OpenCL 的互操作性

作者：Stefan Yurkevitch

在本文中，我们将探讨如何将 oneAPI 深度神经网络 (oneDNN) 库和基于 SYCL 的数据并行 C++ (DPC++) 编程语言集成到现有代码库中。

基准测试和比较 Encog、Neuroph 和 JOONE 神经网络

作者：taheretaheri

我比较了 Encog、Neuroph 和 JOONE 的性能。

C++ 虚拟数组实现，由用户系统组合显存支持

作者：tugrulGtx

仅头文件的 C++ 工具，支持基本的数组式使用模式，并使用系统中多张显卡作为存储，带有 LRU 缓存。

代码优化教程 - 第二部分

作者：Razvan Aguridan

初学者优化教程。

代码优化教程 - 第三部分

作者：Razvan Aguridan

初学者优化教程

比较编程模型：SYCL和CUDA

作者：Dhruv__Patel

在本文中，我们将比较和对比SYCL和CUDA，并讨论oneAPI编译器如何与SYCL协同工作。

使用 Intel® 图形性能分析器 (GPA) - Platform Analyzer 进行 CPU 密集型离线分析

作者：Android on Intel

在本文中，我们将逐步介绍如何对工作流进行 CPU 密集型离线分析。

AMD GPU 和 Intel CPU 上的 CUDA 编程模型

作者：Nick Kopp

本文基于早期的《高性能查询：GPU vs. PLINQ vs. LINQ》一文，并将其移植以支持 OpenCL 设备，同时增加了基准测试，以便您可以轻松比较性能。

基于多项式基近似的密集光流扩展

作者：pi19404

基于多项式展开的密集运动估计简介本文将探讨基于图像多项式表示的密集运动估计。通过近似图像的局部邻域来获得图像的多项式基表示，并通过使用

在 IEI Tank AIoT 开发套件上使用 Microsoft Azure 部署多个 Intel® Distribution of OpenVINO™ Toolkit 工作负载

作者：Intel

本文将介绍如何在 Azure 中设置 Intel Distribution of OpenVINO toolkit 模块，并探讨在 IEI Tank AIoT 开发套件上运行 CPU 和 GPU 上的多个模块的注意事项。

为新一代一体式电脑开发沉浸式应用程序

作者：praveen_kundurthy

本文提出了四项指导方针，旨在帮助软件开发人员设计能够鼓励触摸交互并在英特尔®处理器驱动的一体式个人电脑（pAIO）上提供令人难忘的用户体验的应用程序。

为基于Intel®架构的Android*平板电脑开发移动游戏图形，第二部分

作者：Android on Intel

在本系列两部分文章的结论中，我将详细介绍适用于Android*平板电脑的最佳3D游戏引擎和中间件解决方案，包括免费、开源和专有选项。我还会指出哪些方案原生支持x86英特尔®处理器。

使用 Intel® 硬件和软件开发视觉零售解决方案

作者：Intel

零售工作坊：使用基于 Intel® 的零售解决方案进行实践学习。

C# 的易于使用的 OpenCL 多设备负载均衡和流水线：Cekirdekler API

作者：tugrulGtx

用 C# 编写的易于使用的 OpenCL 多设备负载均衡器和流水线，代码行数很少。

启用 FPGA 以供软件开发人员使用

作者：Member 13680125

提高汽车、网络和云计算的效率和性能

使用C++在视频内存中进行FASTA核苷酸序列缓存

作者：tugrulGtx

通过索引访问FASTA格式文件（*.fna、*.faa）中的VRAM缓存核苷酸序列

更快的 JPEG2000 查看器

作者：Adam Wojnar

简单的 .jp2/.j2k 查看器，使用 Kakadu 可执行演示包进行解码

模糊和混合的乐趣

作者：Doug Wyrembek

一个有趣的实用工具，用于将混合模式应用于图像。

AMD GPU 的 GCN 汇编器

作者：Ryan Scott White

AMD 的 GCN（Generation Core Next Architecture）汇编语言的汇编器/编译器

开始使用 Intel® OpenVINO™ 工具包和 AWS Greengrass

作者：Intel

本节介绍了使用 Amazon Web Services (AWS) Greengrass 和 AWS Lambda 软件的 FaaS 推理样本（基于 Python 2.7）的实现。

开始使用OpenCL™ Code Builder

作者：Android on Intel

本指南的目的是提供快速步骤，使用OpenCL™ Code Builder（Intel® Integrated Native Development Environment (Intel® INDE)的一部分）来创建、构建、调试和分析OpenCL™应用程序。

使用OpenCL.NET进行GPGPU图像处理基础

作者：Ilya Suzdalnitski

使用OpenCL.NET进行GPU上的图像处理基础。

GPGPU 加速波 PDE

作者：Alesiani Marco

使用 GPGPU 功能的波 PDE 模拟

GPGPU Papyrus 演示

作者 John Michael Hauck

对于C#桌面开发者来说，编写利用现代显卡惊人计算性能的代码从未如此简单。在这篇文章中，我将分享一些解决简单（但仍然有趣）的图像分析问题的技术。源代码 https://www.assembla.com/co

OpenCL 2.0中的GPU-Quicksort：嵌套并行和工作组扫描函数

作者：Android on Intel

本教程展示了如何使用OpenCL™ 2.0的两个强大功能：enqueue_kernel函数，允许您从设备入队内核，以及work_group_scan_exclusive_add和work_group_scan_inclusive_add。

通过 OpenCL™ 实现异构计算

作者：Intel

本文是关于将工作负载分派给平台中的所有 OpenCL 设备，以共同完成计算任务的方法的循序渐进指南。

使用 oneAPI 进行异构编程

作者：Intel

本文介绍了 oneAPI 产品的 Beta 版本，以促进异构编程。

Intel如何致力于让新的年轻程序员进入Android开发

作者：Christopher Coey

一位教育者的视角，看向Beacon Mountain。

如何使用Intel® INDE 2015 Eclipse*集成开发原生Android*应用程序

作者：Android on Intel

本教程将引导您完成Intel® INDE 2015的安装，并演示如何开发针对x86或ARM处理器目标的原生Android*应用程序。

如何使用Intel® INDE 2015 Visual Studio* IDE集成开发原生Android*应用？

作者：Android on Intel

本教程将指导您通过Intel® INDE 2015的IDE集成功能，在Visual Studio*中编写一个原生的“Hello World”Android*应用程序。

如何开始使用 TensorFlow

作者：Packt Publishing

在本节中，我们将迈出使用低级 TensorFlow API 的第一步。

如何使用革命性的 Intel® oneAPI HPC Toolkit 优化并行稳定排序性能

作者：Arthur V. Ratz

在本文中，我将详细讨论使用革命性的新 Intel® oneAPI HPC Toolkit 实现现代并行“稳定”排序代码的几个方面。

Intel® OpenVINO™ 工具包安装指南（支持 FPGA 2）

作者：Intel

Intel® Distribution of OpenVINO™ 工具包可快速部署模仿人类视觉的应用程序和解决方案。

Intel for Android* 开发者学习系列 #11：Intel® Atom™ 处理器上的 Android* 的 OpenGL ES* 支持、性能和功能

作者：Android on Intel

Android 上的 3D 图形标准 API 是 OpenGL ES，它是当今所有移动设备上使用最广泛的 3D 图形 API。

Intel® 计算机视觉 SDK 开发人员指南

作者：Intel

Intel® 计算机视觉 SDK 是一个用于 Intel 片上系统 (SoC) 的计算机视觉和图像处理管道开发和优化的新软件开发包。

Intel® System Studio 2017 Beta

作者：Android on Intel

Intel® System Studio 2017 Beta 已发布。这是 Beta 程序页面，可进一步指导您了解 Intel® System Studio 2017 Beta 的新功能和增强的用户体验。

Intel 智能视频技术入门

作者：Intel

本文探讨了智能视频 (SV) 系统架构的复杂性如何不断增加，并演变为新的行业和用例。

OpenCL™ 入门教程

作者：pnolte64

本文有助于使 OpenCL™ 更易于理解和实现。

IoT 参考实现：如何构建面部访问控制解决方案。

作者：Intel

面部访问控制应用程序是一系列 IoT 参考实现之一，旨在指导用户如何针对特定问题开发可行的解决方案。

学习如何使用 CUDA 进行 Alpha 混合

作者：ChaoJui

使用 CUDA 的爆发性能进行图像处理

学习现代 OpenGL

作者：Bartlomiej Filipek

一篇关于现代 OpenGL 的小型指南，以及它为何能给我们带来如此大的价值。

在 Intel® FPGA 上进行机器学习

作者：Intel

Intel 在 AI 开发方面处于独特地位——Intel 的 AI 生态系统通过为从硬件到边缘设备的各种后端技术提供统一的前端，为 AI 的所有方面提供解决方案。

使用推理和单次拍摄多框检测器 (SSD) 进行对象识别

作者：Intel

本教程将引导您了解使用深度学习部署工具包的推理引擎（包含在 Intel® 计算机视觉 SDK 中）的基础知识。

odeint v2 - 在 C++ 中求解常微分方程。

作者：headmyshoulder

odeint v2 - 在 C++ 中求解常微分方程。

OpenCL™ 设备分裂以提高 CPU 性能

作者：TERENCE S

英特尔 OpenCL 应用程序 SDK提供了丰富的 OpenCL 扩展和可选功能，专为希望利用英特尔 CPU 上所有可用资源的开发者而设计。本文重点介绍设备分区，这是此 SDK 中提供的一项功能。

Intel® 架构的 OpenCL™ 驱动程序和运行时

作者：Intel

Intel® 架构的 OpenCL™ 驱动程序和运行时

作者：Intel

SDK 包含用于开发应用程序的组件：IDE 集成、离线编译器、调试器和其他工具。

OpenGL / OpenCL 互操作性：使用自立体图的案例研究

作者：martin_bisson

如何使用 OpenCL 和 OpenGL 在 GPU 上实现算法。

Intel® 计算机视觉 SDK 概述及其在 IoT 中的应用

作者：Intel

英特尔®计算机视觉 SDK是一个基于 OpenVX 标准的英特尔优化和加速的计算机视觉软件开发工具包。该 SDK 集成了预编译的 OpenCV，并通过附带的深度学习（DL）部署工具包提供深度学习支持。

OWASP #6 防止 ASP.NET 中的敏感数据泄露 – 第 1 部分

作者：Max R McCarty

OWASP 第 6 大最脆弱的安全风险与保密有关。

第一部分：OpenCL™ – 可移植的并行性

作者：manythreads

对 GPGPU 编程感到好奇？阅读 Rob Farber 的大规模并行编程系列。了解如何充分利用您的 CPU、GPU、APU、DSP 等。

第一部分：使用 Java 和 OpenCL 编写显卡 (GPU) 程序

作者：JeffHeaton

学习如何安装和使用 OpenCL 与 Java 的基础知识，释放 GPU 的强大功能。

第二部分：OpenCL™ – 内存空间

作者：manythreads

在他第二个教程中，GPGPU专家Rob Farber讨论了OpenCL™内存空间和OpenCL内存层次结构，以及如何开始从工作项和工作组的角度进行思考。本教程还提供了一个通用示例，以促进对各种OpenCL内核的实验。

第三部分：工作组和同步

作者：manythreads

在他的第三篇教程中，GPGPU 专家 Rob Farber 将介绍 OpenCL™ 执行模型，并讨论如何协调工作组中工作项之间的计算。

第四部分：使用 OpenCL 队列协调计算

作者：manythreads

阅读Rob Farber的《大规模并行编程》系列。本系列关于使用OpenCL™进行便携式多线程编程的第四篇文章将讨论OpenCL™运行时，并演示如何在异构设备的计算队列之间执行并发计算。

第五部分：OpenCL 缓冲区和内存亲和性

作者：manythreads

这是关于使用 OpenCL™ 进行可移植多线程编程的第五篇文章，Rob Farber 讨论了 OpenCL™ 缓冲区，并演示了如何在多设备、多 GPU 环境中将计算与数据关联起来。

第六部分：原始重启和 OpenGL 互操作性

作者：manythreads

这是关于使用 OpenCL™ 进行可移植多线程编程的第六篇文章，Rob Farber 讨论了如何在 OpenCL™ 中计算数据，并在同一应用程序中使用 OpenGL 进行渲染。

第七部分：OpenCL插件

作者：manythreads

本文将演示如何创建C/C++插件，这些插件可以在运行时动态加载，为已运行的应用程序添加大规模并行OpenCL功能。

第八部分：使用 OpenCL 进行异构工作流

作者：manythreads

本文将演示如何通过一个通用的“即插即用工具”框架将OpenCL集成到异构工作流中，该框架可以在单个工作站、计算机网络或云计算框架内流式传输任意消息。

第九部分：OpenCL 扩展和设备分裂

作者：manythreads

本文讨论了 OpenCL 扩展，这些扩展为程序员提供了额外的功能，如双精度算术和设备分裂。

使用 CUDA 和 OpenCL 进行排列

作者：Shao Voon Wong

在 GPU 上查找字典序排列

使用 OpenGL 和 OpenCL 进行拾取选择

作者：Matt Scarpino

使用 GPU 加速计算射线-三角形交点

使用System Analyzer和Platform Analyzer剖析OpenCL™应用程序

作者：Maxim_Shevtsov

本文概述了System Analyzer和Platform Analyzer在Windows*操作系统上提供的OpenCL支持。

将图像处理卸载到 Android 应用程序的编程

作者：Android on Intel

本文通过一个 Android 应用程序示例，演示了如何使用 OpenCL™ 和 RenderScript 编程语言卸载图像处理。

QOR 架构方面

作者：Matthew Faithfull

Querysoft Open Runtime：架构兼容性方面。

满足 IoT 市场需求

作者：Intel

随着 IoT 需求推动数据量的增加，需要更强大的处理器以及额外的存储空间。

Serenity - 新建装配时间 - 第二部分 - 基准测试

作者：DaveAuld

追求宁静，现在是时候新建装配了！

Intel® 处理器图形的 SGEMM。

作者：Intel

在本文中，我们将演示如何为具有 Intel® 处理器图形的 Intel® Core™ 处理器优化单精度浮点通用矩阵乘法 (SGEMM) 内核以获得最佳性能。

在 Intel® 处理器图形上共享 OpenCL™ 和 DirectX 11 之间的表面

作者：Intel

本教程演示了如何在 Microsoft Windows 上使用 Intel® 处理器图形，通过 OpenCL™ 中的表面共享扩展在 OpenCL™ 和 DirectX 11 之间共享表面。

在C++中使用OpenCL求解常微分方程

作者：headmyshoulder, Denis Demidov

本文展示了如何使用OpenCL求解常微分方程。详细介绍了如何使 odeint（一个用于常微分方程的C++库）适配VexCL（一个OpenCL库）以协同工作。并在两个示例中研究了所得性能。

使用新的 Intel® System Studio 2018 加速系统和 IoT 设备应用程序开发

作者：Intel

Intel 刚刚发布了 Intel® System Studio 2018，这是一个一体化的、跨平台的、全面的系统和 IoT 设备应用程序开发工具套件。

Alphablend 代码的 SSE2 向量化

作者：Shao Voon Wong

使用 SSE2 加速 alpha 混合。

.NET Micro Framework中的字符串操作

作者：jfriedman

关于.NET Micro Framework中字符串操作的一篇文章。

SYCL和OpenCL

作者：Sergiu Oprea

SYCL和OpenCL之间的区别和相似之处

SYCL与CUDA

作者：Dhruv__Patel

在本文中，我们将比较和对比SYCL和CUDA，介绍oneAPI，并讨论oneAPI编译器如何与SYCL协同工作。

Intel® Core™ M 处理器

作者：Colleen Culbertson

本文面向开发人员，将一窥这款 64 位多核 SOC 处理器，并概述可用的 Intel® 技术，包括 Intel® HD Graphics 5300。

在 Windows 10 上使用 GPU 进行 Theano 机器学习

作者：Dino Konstantopoulos

在 Windows 10 上使用 Nvidia 1070 GPU 运行 Theano，配备 CUDA 8 和 Visual Studio 2015

使用 Intel® System Studio 调优自动驾驶

作者：Intel

Intel® GO™ SDK 为汽车解决方案开发人员提供集成解决方案环境

GPU 上的超高品质图像旋转

作者：Nick Kopp

GPU 上的超高品质频域图像旋转。

Unity for Intel x86 平台优化指南：第 1 部分

作者：Android on Intel

在本指南中，我们将介绍各种工具以及 Unity 软件中的功能，以帮助您提高 Unity 项目的性能。

使用 OpenCL™ 2.0 读写图像

作者：Android on Intel

使用 OpenCL™ 2.0 读写图像

在 Google 的 Go 中使用 OpenGL

作者：Farhad Reza

本文将向您展示如何在 Google 的 Go 语言中使用 OpenGL 图形库。

使用 Model Optimizer 转换 Caffe 模型

作者：Intel

如何使用 Model Optimizer（包括框架无关和 Caffe 特定命令行选项）转换训练好的 Caffe 模型

使用 Model Optimizer 转换 MXNet 模型

作者：Intel

模型优化器是一个跨平台的命令行工具，它有助于在训练和部署环境之间进行转换，执行静态模型分析，并调整深度学习模型以在终端目标设备上获得最佳执行效果。

VexCL: 用于 OpenCL 的向量表达式模板库

作者：Denis Demidov

本文是 VexCL 的介绍。VexCL 是一个向量表达式模板库，旨在方便基于 C++ 的 OpenCL 开发。

使用 Intel® INDE 的开发者有哪些可用资源？

作者：Intel

在本文中，我们将介绍 INDE 的组件，并展示开发者如何使用它们来创建新应用程序和优化现有应用程序。首先，Intel® INDE 支持 IDE 集成。

OpenCL

精选阅读

最新文章

所有文章

OpenCL